竞赛
已结束的竞赛
参赛者需利用提供的图结构与时序信息及节点属性信息，构建高效的图神经网络模型，精准识别隐藏在海量用户中的欺诈个体。
传统RAG系统在处理复杂多源信息时面临检索深度不足、信息整合能力有限等挑战。本次赛题基于FlashRAG框架，要求构建具备多轮检索、动态查询优化和外部知识融合能力的DeepSearch系统。
本次赛题聚焦于军事装备故障预测，主要针对轴承、齿轮等关键零部件早期故障识别。参赛者需运用机器学习、深度学习、迁移学习等方法，对给定的军事装备关键零部件运行数据进行深度分析，精准识别装备早期故障。
本赛题旨在解决复杂环境下智能体实时平衡硬性约束与工具反馈的难题，要求设计兼顾可行性与全局最优的鲁棒策略，实现跨时段资源调度与负载均衡，并建立从需求到代码的全链路可解释机制。
本赛题聚焦深度学习视觉模型的安全性问题，基于经典图像分类数据集CIFAR-10构建对抗攻击任务场景，考察参赛算法在识别准确率与鲁棒性之间的平衡能力。
本次竞赛围绕“大模型+检索”驱动的多粒度实体关系联合抽取任务，面向中英双语、跨领域文本，要求系统在推理中完成实体识别、类型分层、关系抽取及未知类型/关系挂接，并以结构化JSON输出。
本次竞赛基于情报分析与信息挖掘的真实业务需求，构建涵盖15类事件类型的新闻篇章级多事件抽取数据集，要求参赛者从长篇、复杂、噪声较多的新闻文本中，准确识别事件类型并抽取触发词、论元及其角色。
本赛题聚焦海上多目标航迹重建任务，参赛者需基于2D雷达与ESM的稀疏侦测数据，在噪声干扰下实现大规模船舶目标的连续航迹还原，突破稀疏侦测与误差干扰下的轨迹生成难题，助力海上交通安全与渔业管理等应用。
本次竞赛构建基于时序图像的群体目标追踪模型，要求参赛者设计一个追踪算法，在同一视频中准确追踪目标。本赛题初复赛阶段，限于实际数据，仅追踪群体中的单个目标，后续获奖团队将进一步进行群体目标的深化研究。
赛题聚焦“开源代码供应链安全”这一当前国际攻防博弈的焦点问题，旨在模拟真实攻击环境，构建真实组件库数据集，考验参赛队伍对高隐蔽、高复杂度恶意组件的检测能力。